ESTIMATIVA E ESPACIALIZAÇÃO DA TEMPERATURA DOS MESES MAIS QUENTE E FRIO DO ESTADO DO RIO GRANDE DO SUL

Ano: 2010 | Volume: 11 | Número: 36

Autores: Grasiela Cristina Both, Claus Haetinger, André Jasper, Vianei Luís Diedrich, Everaldo Rigelo Ferreira

Palavras-chave: estimativa, espacialização, modelagem matemática, temperatura, rio grande do sul

Resumo Português:

A temperatura do ar pode ser estimada através de fatores geográficos e, por conseguinte, espacializada, utilizando-se técnicas de Modelagem Matemática e Sistemas de Informações Geográficas (SIG). O objetivo deste trabalho foi realizar a estimativa e espacialização da temperatura em suas diversas modalidades (média, média da mínima e média da máxima) do mês mais frio (julho) e do mês mais quente (janeiro) para o Estado do Rio Grande do Sul a partir da latitude, longitude e altitude. A estimativa foi realizada, adotando-se dados de 39 estações meteorológicas, das quais foram geradas equações de regressão múltipla espacial para cada modalidade de temperatura. Os resultados foram aplicados sobre a imagem digital de altitude, latitude e longitude. As análises apontaram que as variáveis preditoras (altitude, latitude e longitude) estão correlacionadas com a temperatura e a validação foi permitida para todos os modelos de regressão múltipla utilizados. No Rio Grande do Sul, os fatores altitude e longitude são os mais importantes para a estimativa da temperatura do ar em todas as suas modalidades.

Resumo Inglês:

The air temperature can be estimate through geographical factors and, consequently, spatializated, being used techniques of Mathematical Modelling and Geographical Information Systems (GIS). The objective of this work was to accomplish the estimate and spatialization of the temperature in your several modalities (medium, mean of the minimum and mean of the maximum) of the coldest month (July) and of the hottest month (January) for the State of Rio Grande do Sul starting from the latitude, longitude and altitude. The estimate was accomplished, being adopted data of 39 meteorological stations, of the which equations of space multiple regression were generated for each temperature modality. The results were applied on the digital image of altitude, latitude and longitude. The analyses appeared that the variables predictors (altitude, latitude and longitude) they are correlated with the temperature and the validation was allowed for all the models of multiple regression used. In Rio Grande do Sul, the factors altitude and longitude are the most important for the estimate of the temperature of the air in all your modalities.